Darwin Rivera

Vista previa del material en texto

- 1 - 
 
 
UNIVERSIDAD CATÓLICA DE CUENCA 
Comunidad Educativa al Servicio del Pueblo 
UNIDAD ACADÉMICA DE TECNOLOGÍAS DE LA 
INFORMACIÓN Y COMUNICACIÓN(TIC) 
CARRERA DE INGENIERIA DE SISTEMAS 
INTELIGENCIA DE NEGOCIOS APLICADA AL ÁREA DE COMERCIALIZACIÓN 
DE LA EMPRESA PÚBLICA MUNICIPAL DE AGUA POTABLE, 
ALCANTARILLADO Y SANEAMIENTO AMBIENTAL (EMAPAL-EP) DE 
AZOGUES 
TRABAJO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL 
TÍTULO DE INGENIERO DE SISTEMAS 
 
AUTOR: DARWIN ARMANDO RIVERA SANCHEZ 
DIRECTOR: BLANCA LUCIA AVILA CORREA 
 
AZOGUES - ECUADOR 
2020 
 
 
 - 2 - 
 
DECLARACIÓN 
 
Yo, DARWIN ARMANDO RIVERA SÁNCHEZ, declaro bajo juramento que el trabajo 
descrito es de mi autoría, ya que no ha sido previamente presentada para ningún grado o 
calificación profesional; y que he consultado las referencias bibliográficas que se incluyen en 
este documento 
La Universidad Católica puede hacer uso de los derechos correspondientes a este trabajo, 
según lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y la normativa 
institucional vigente 
 
 
 
 
 
 
DARWIN ARMANDO RIVERA SÁNCHEZ 
 
 
 
 
 
 
 - 3 - 
 
CERTIFICACIÓN 
Certifico que le presente trabajo fue desarrollado por Darwin Armando Rivera Sánchez, 
bajo mi supervisión. 
 
 
 
 
 
 
 
 
BLANCA LUCIA AVILA CORREA 
DIRECTORA 
 
 
 
 
 
 
 
 
 
 
 
 
 - 4 - 
 
AGRADECIMIENTOS 
Este proyecto de investigación quiero agradecer principalmente a Dios, por prestarme la 
vida y llenarme de fuerzas para seguir día a día el camino correcto, la lucha contra momentos 
de dificultad y que pensé haberme caído. 
Quiero agradecer a mis padres: Jaime e Inés, por ser quienes me impulsaron a seguir este 
sueño, implantando valores, consejos y buenos principios. 
Así mismo quiero expresar mi reconocimiento a la Empresa Pública Municipal de Agua 
Potable, Alcantarillado y Saneamiento Ambiental EMAPAL-EP, de la ciudad de Azogues, por 
su disposición en información brindada para realizar este trabajo. 
Finalmente quiero plasmar mi más sincero agradecimiento a mi tutora: Ing. Blanca Ávila, 
que con su gran conocimiento me oriento al desarrollo y culminación exitosa de este trabajo 
de titulación. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 - 5 - 
 
DEDICATORIA 
Dedico esta tesis a mis padres quienes me han forjado como persona; este logro se lo debo 
a ustedes, gracias por sembrar en mí principios, esfuerzo y las ganas de cumplir mis sueños sin 
temor a las adversidades. 
 
 
 
 
 
 
 
 
 
 
 - 6 - 
 
ÍNDICE DE CONTENIDO 
DECLARACIÓN............................................................................................................. - 1 - 
CERTIFICACIÓN ........................................................................................................... - 3 - 
AGRADECIMIENTOS ................................................................................................... - 4 - 
DEDICATORIA .............................................................................................................. - 5 - 
ÍNDICE DE CONTENIDO ............................................................................................. - 6 - 
LISTA DE FIGURAS ..................................................................................................... - 9 - 
LISTA DE TABLAS ..................................................................................................... - 10 - 
LISTA DE ILUSTRACIONES ..................................................................................... - 11 - 
LISTA DE ANEXOS .................................................................................................... - 12 - 
RESUMEN ................................................................................................................... - 13 - 
ABSTRACT .................................................................................................................. - 14 - 
CAPITULO I. FUNDAMETACION TEORICA .......................................................... - 15 - 
1.1. INTRODUCCIÓN ............................................................................................ - 15 - 
1.2. FUNCIONAMIENTO DE BI EN LAS ORGANIZACIONES ........................ - 17 - 
1.3. DATA WAREHOUSE -DWH. ......................................................................... - 18 - 
1.3.1. Objetivos del Data Warehouse................................................................... - 19 - 
1.3.2. Arquitectura de dwh ................................................................................... - 19 - 
1.3.2.1. Data Sources o Fuentes de Datos ......................................................... - 20 - 
1.3.2.2. Arquitectura del Sistema ETL .............................................................. - 20 - 
1.3.2.2.1. Extracción. ..................................................................................... - 21 - 
1.3.2.2.2. Limpiar y Conformar. .................................................................... - 22 - 
1.3.2.2.3. Integración y Entrega .................................................................... - 22 - 
1.3.2.2.4. Servicios de Gestión ETL .............................................................. - 23 - 
1.3.2.2.5. Almacenes de Datos ETL .............................................................. - 23 - 
1.3.2.2.6. Metadatos ETL .............................................................................. - 24 - 
1.3.2.2.7. Data Mart. ..................................................................................... - 24 - 
1.4. ARQUITECTURA DE BI ................................................................................ - 25 - 
1.4.1. Tipos de aplicaciones de BI ....................................................................... - 26 - 
1.4.1.1. Gestión de Servicios de BI. [13] .......................................................... - 28 - 
1.4.1.2. Almacenes de datos de BI. [13] ........................................................... - 28 - 
1.5. MINERÍA DE DATOS (DATA MINING) ...................................................... - 28 - 
 
 
 - 7 - 
 
1.6. OLAP (PROCESAMIENTO ANALÍTICO EN LÍNEA) ................................. - 29 - 
1.6.1. Modelos de Datos ...................................................................................... - 29 - 
1.6.1.1. Esquema Estrella .................................................................................. - 30 - 
1.6.1.2. Esquema Copo de Nieve ...................................................................... - 31 - 
1.6.1.3. Normalizado – 3FN .............................................................................. - 31 - 
1.6.2. ENFOQUES PARA DESARROLLO DE APLICACIONES BI .............. - 32 - 
1.6.2.1. Enfoques de diseño del almacén de datos ............................................ - 32 - 
1.6.2.2. Evaluación de la metodología de diseño del almacén de datos ........... - 34 - 
1.6.3. BENEFICIOS DE BI. ................................................................................ - 35 - 
1.6.3.1. Manejo del crecimiento de la empresa. ................................................ - 36 - 
1.6.3.2. Control de costos. ................................................................................. - 36 - 
1.6.3.3. Clientes. ................................................................................................ - 36 - 
1.6.3.4. Indicadores de gestión .......................................................................... - 36 - 
1.6.4. METODOLOGÍA DE IMPLEMENTACIÓN DE BI ............................... - 36 - 
1.6.4.1. Definición. ............................................................................................ - 38 - 
1.6.4.2. Levantamiento de información. ........................................................... - 38 - 
1.6.4.3. Diseño. .................................................................................................- 39 - 
1.6.4.4. Desarrollo. ............................................................................................ - 39 - 
1.6.4.5. Pruebas ................................................................................................. - 40 - 
1.6.4.6. Puesta en producción. ........................................................................... - 40 - 
1.6.5. HERRAMIENTAS PARA EL DESARROLLO DEL PROYECTO ........ - 41 - 
1.6.5.1. Power Desginer. ................................................................................... - 41 - 
1.6.5.2. Exasol ................................................................................................... - 41 - 
1.6.5.3. Exaplus. ................................................................................................ - 42 - 
1.6.5.4. PostregSQL. ......................................................................................... - 42 - 
1.6.5.5. Knime. .................................................................................................. - 42 - 
1.6.5.6. Tableau. ................................................................................................ - 43 - 
1.6.6. Costo Total de propiedad de las herramietas ............................................. - 44 - 
CAPITULO 2. DIAGNOSITCO SITUACIONAL ....................................................... - 47 - 
2.1. ANTECEDENTES ............................................................................................... - 47 - 
2.2. DEFINICIÓN DEL PROBLEMA ............................................................................ 49 
2.3. JUSTIFICACIÓN ..................................................................................................... 50 
2.4. OBJETIVOS ............................................................................................................. 50 
 
 
 - 8 - 
 
2.4.1. objetivo General ................................................................................................. 50 
2.4.2. Objetivos Específicos ......................................................................................... 50 
2.5. ALCANCE ............................................................................................................... 51 
2.6. TRABAJOS RELACIONADOS ............................................................................. 51 
CAPITULO 3. PROPUESTA............................................................................................. 53 
3.1. Definición: .............................................................................................................. 53 
3.2. Levantamiento de la Información: ......................................................................... 56 
3.3. Diseño..................................................................................................................... 62 
3.3.1. Diseño del Modelo Dimensional ........................................................................ 63 
3.4. desarrollo ................................................................................................................ 70 
3.4.1. Creación del Data Mart....................................................................................... 70 
3.5. Proceso ETL ....................................................................................................... 73 
3.6. Pruebas. .................................................................................................................. 76 
3.6.1. Instalación del ambiente de pruebas. .............................................................. 77 
3.6.2. Verificación del Data Mart ............................................................................. 77 
3.6.3. Pruebas ETL ................................................................................................... 77 
3.6.4. Pruebas de Interfaces de Visualización .......................................................... 77 
3.7. Puesta en marcha. ................................................................................................... 77 
3.8. RESULTADOS ...................................................................................................... 79 
CONCLUSIONES. ............................................................................................................. 84 
RECOMENDACIONES .................................................................................................... 84 
BIBLIOGRAFÍA ................................................................................................................ 86 
 
 
 
 
 
 
 
 
 
 - 9 - 
 
LISTA DE FIGURAS 
Fig. 1. Datos, Información y Conocimiento. [1] ........................................................... - 15 - 
Fig. 2. BI en las Organizaciones.. [6] ............................................................................ - 18 - 
Fig. 3. Arquitectura de DWH. [11] ............................................................................... - 20 - 
Fig. 4. Arquitectura ETL. [13] ...................................................................................... - 21 - 
Fig. 5. Data Marts. [17] ................................................................................................. - 24 - 
Fig. 6 Front End. [20] .................................................................................................... - 26 - 
Fig. 7. Tipos de Aplicaciones BI. [13] ......................................................................... - 27 - 
Fig. 8. Esquema en Estrella. .......................................................................................... - 30 - 
Fig. 9. Esquema Copo de Nieve. [17] ........................................................................... - 31 - 
Fig. 10. Esquema. [17] .................................................................................................. - 31 - 
Fig. 11. Esquema en FN. [17] ....................................................................................... - 32 - 
Fig. 12. Arquitectura de almacenamiento de Kimball. [13] .......................................... - 33 - 
Fig. 13. Arquitectura de almacenamiento de Inmon. [22]............................................. - 34 - 
Fig. 14. Metodnologia Scrum. [28] ............................................................................... - 37 - 
Fig. 15. Cuandrante Mágico de Garter de las Herramientas de Calidad de los Datos. [31] .. - 
41 - 
Fig. 16. Cuadrante mágico para plataformas de ciencia de datos y aprendizaje automático. 
[37] ..................................................................................................................................... - 43 - 
Fig. 17 Cuadrante Mágico de las Plataformas de Analítica e Inteligencia de Negocios. [40]
 ............................................................................................................................................ - 44 - 
Fig. 18. Organigrama de EMAPAL. [42] ........................................................................... 48 
Fig. 19. Modelo Lógico del Negocio. Autor (2020) .......................................................... 67 
Fig. 20. Modelo Físico. Autor (2020) ................................................................................ 69 
Fig. 21. Conexión a la Base de Datos Analítica. Autor (2020) .......................................... 71 
Fig. 22. Esquema del Data Mart - Exaplus. Autor (2020)................................................. 73 
Fig. 23. DWH. Autor(2020) ............................................................................................... 75 
Fig. 24 Tarifas Recaudadas. Autor (2020) ......................................................................... 79 
Fig. 25 Abonados Por Mes. Autor (2020) .......................................................................... 80 
Fig. 26. M3 Consumidos. Autor (2020) .............................................................................81 
Fig. 27 M3 de Cliente. Autor (2020) .................................................................................. 82 
Fig. 28 Dashboard Emapal. Autor (2020) .......................................................................... 83 
 
 
 
 
 
file:///C:/Users/SEIAARONS/Downloads/15112020%20Darwin%20Rivera%20EN%20REVISION.docx%23_Toc56454220
file:///C:/Users/SEIAARONS/Downloads/15112020%20Darwin%20Rivera%20EN%20REVISION.docx%23_Toc56454242
 
 
 - 10 - 
 
LISTA DE TABLAS 
TABLA I ....................................................................................................................... - 35 - 
TABLA II. .................................................................................................................... - 44 - 
TABLA III .................................................................................................................... - 45 - 
TABLA IV. ................................................................................................................... - 45 - 
TABLA V...................................................................................................................... - 46 - 
TABLA VI. ................................................................................................................... - 46 - 
TABLA VII . ..................................................................................................................... 54 
Tabla VIII. ......................................................................................................................... 55 
TABLA IX ......................................................................................................................... 56 
TABLA X........................................................................................................................... 57 
TABLA XI. ........................................................................................................................ 57 
TABLA XII. ...................................................................................................................... 58 
TABLA XIII ...................................................................................................................... 59 
TABLA XIV. ..................................................................................................................... 60 
TABLA XV. ....................................................................................................................... 61 
TABLA XVI. ..................................................................................................................... 62 
TABLA XVII..................................................................................................................... 63 
TABLA XVIII. .................................................................................................................. 63 
TABLA XIX. ..................................................................................................................... 63 
TABLA XX. ....................................................................................................................... 64 
TABLA XXI. ..................................................................................................................... 64 
TABLA XXII..................................................................................................................... 65 
Tabla XXIII ....................................................................................................................... 70 
Tabla XXIV ....................................................................................................................... 70 
Tabla XXV......................................................................................................................... 78 
 
 
 
 
 
 
 
 
 
 
 
 
 
 - 11 - 
 
LISTA DE ILUSTRACIONES 
Ilustración 1. Generar Modelo Físico del Datawarehouse. Autor (2020) ......................... 68 
 
 
 
 
 - 12 - 
 
LISTA DE ANEXOS 
 
ANEXO. A ANTIPLAGIO .............................................................................................. 90 
ANEXO. B PERMISO DE SUBIR LA TESIS AL REPOSITORIO .......................... 91 
ANEXO. C. CERTIFICADO DE NO ADEUDAR LIBROS A LA BIBLIOTECA ... 92 
ANEXO. D ACTA DE CONSTITUCION DEL PROYECTO ..................................... 93 
ANEXO. E CERTIFICADO DEL PROYECTO REALIZADO EN LA EMPRESA 95 
ANEXO. F ESPECIFICACIONES DEL SERVIDOR ................................................. 96 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 - 13 - 
 
RESUMEN 
En la actualidad, la información es uno de los activos más importantes de las 
organizaciones. Su análisis es la base fundamental que les permite mejorar sus procesos y la 
entrega de bienes y servicios de mejor calidad. A pesar de ello, no todas las organizaciones 
hacen una gestión eficiente y eficaz de la información; muy pocas en nuestro medio apuestan 
por ello y aprecian los beneficios que proporciona un adecuado análisis de información a través 
de las herramientas de Inteligencia de Negocios. En efecto, la Inteligencia de Negocios permite 
que las organizaciones se conozcan a sí mismas, a sus clientes, y a sus competidores, lo que 
contribuye a logar ventaja competitiva. 
El presente trabajo consiste en dotar de una solución de inteligencia de negocios, que apoye 
de manera vertiginosa la disponibilidad de la información requerida para la toma de decisiones 
informada a nivel gerencial, táctico y operativo en el área de comercialización de la Empresa 
Pública Municipal de Agua Potable, Alcantarillado y Saneamiento Ambiental EMAPAL-EP 
de la ciudad de Azogues. 
Este documento se encuentra desarrollado en tres amplios capítulos. En el CAPÍTULO I 
se aborda una breve introducción y el marco teórico que fundamenta los aspectos de la 
Inteligencia de Negocios y el Data Warehouse, que van desde los conceptos, arquitectura hasta 
sus metodologías y herramientas. En el CAPÍTULO II se abordan los antecedentes, la 
problemática, el objetivo, justificación y alcance que tendrá este trabajo. Finalmente, el en 
CAPÍTULO III se hace una descripción detallada de la solución a la problemática, en base a 
los requerimientos planteados. De esta manera pretende apoyar con información oportuna, 
relevante, precisa para la toma de decisiones. 
Palabras clave: Inteligencia de Negocios, Data Warehouse, Toma de decisiones 
informada. 
 
 
 - 14 - 
 
ABSTRACT 
. 
 
 
 
 - 15 - 
 
CAPITULO I. FUNDAMETACION TEORICA 
1.1. INTRODUCCIÓN 
Con el pasar del tiempo la informática ha sido considerada una herramienta con la única 
funcionalidad de dar soporte a las funciones operativas, esta idea debe ser modificada, debido 
a que las herramientas informáticas no son sólo instrumentos para la reducción de costos, sino 
que además son útiles para el mejor manejo de la información que dispone la empresa, generar 
ventajas competitivas y obtener nuevos beneficios. Actualmente gran parte de las 
organizaciones dedican gran parte del tiempo y de recursos económicos y humanos a la 
obtención, proceso, aplicación y proyección de información, es por esto por lo que la 
información se convierte en el activo más importante dentro del ámbito empresarial. 
Frecuentemente, quienes conforman la Alta Dirección de las empresas encuentran pocos 
beneficios en la información en bruto que producen las transacciones que a diario se registran 
en los sistemas de información empresariales. Su necesidad transciende a un nivel superior en 
la que la información se convierte en conocimiento. El análisis de los datos operativos 
proporciona conocimiento en forma de tablas, gráficos de pastel, líneas de tendencia, gráficos 
de barras, y otras herramientas estadísticas. Este análisis requiere acceder a una variedad de 
fuentes de datos que son transformadosy visibilizados a través de interfaces amigables y 
fáciles de usar e interpretar [1]. 
La diferencia entre dato, información y conocimiento es claramente definida por Springer 
[1], donde manifiesta que: los Datos son “recopilados diariamente en forma de bits, números, 
símbolos u objetos”; Información son “datos organizados que se procesan, limpian, organizan 
en estructuras y carece de redundancia” y finalmente el conocimiento se refiere a la 
información integrada, que incluyen sucesos o hechos y relaciones percibidos. Ver figura 1. 
 
 
 
 
 
 
 
 
 
 
Esta perspectiva del conocimiento fundamenta la toma de decisiones en las organizaciones; 
razón por la cual es necesario que las empresas implementen soluciones de Inteligencia de 
D 
A 
T 
O 
S 
I 
N 
F 
O 
R 
M 
A 
C 
I 
Ó 
N 
C 
O 
N 
O 
C 
I 
M 
I 
E 
N 
T 
O 
PREPARACIÓN 
DE DATOS 
MINERÍA DE 
DATOS 
Fig. 1. Datos, Información y Conocimiento. [1] 
 
 
 - 16 - 
 
Negocios. La Inteligencia de Negocios permite una toma de decisiones informada, que 
responda a las necesidades gerenciales y lograr ventaja competitiva. A través de la Inteligencia 
de Negocios las empresas pueden contar con información clave de sus clientes, proveedores e 
incluso de sus competidores; para ello deben intensificar sus estrategias para integrar grandes 
cantidades de datos que se encuentran dispersos en diversas fuentes [2]. 
Soejarto como se citó en [3] hace referencia que a pesar de que la Inteligencia de negocios 
sea un término de uso no muy común hoy en día, sigue creciendo incluso cuando la demanda 
de más productos de TI es baja. Diariamente va incrementando la necesidad de saber que 
ocurre en las empresas y organizaciones, pero la disposición de tiempo de las personas 
encargadas de este proceso es limitada, es por ello que se ha visto la necesidad de obtener toda 
esa información en el menor tiempo posible. 
La Inteligencia de Negocios o en inglés llamada Business Intelligence, es conocida como 
un medio que nos facilita a la toma de decisiones en técnicas de negocios, comúnmente llamada 
como “BI”, nos ayuda en el proceso interactivo que busca y compara información organizada 
sobre un sitio para descubrir procesos, de los cuales obtendremos ideas y mediante la misma 
la obtención de una conclusión y conocimientos [4]. 
Muchos autores definen a la BI de manera diferente: 
Según Calzada [5], el termino Inteligencia de Negocios procura caracterizar una amplia 
variedad de tecnologías, plataformas de software, especificaciones de aplicaciones y procesos. 
El objetivo principal que propone todo autor en la Inteligencia de Negocios es contribuir a 
tomar mejores decisiones que mejoren el desempeño de la empresa y promover su ventaja 
competitiva en el mercado. Este concepto se requiere analizar desde tres perspectivas: Hacer 
mejores decisiones en menos tiempo, convertir datos en información, y usar una aplicación 
relacional para la administración 
Hatch [2] menciona que: “es la combinación de prácticas, capacidades y tecnologías 
usadas por las compañías para recopilar e integrar información, aplicar reglas de negocio y 
asegurar la visibilidad de la información en función de una mejor comprensión del mismo y, 
en última instancia, para mejorar el desempeño” 
Para Médes [2] es; “El conjunto de herramientas y aplicaciones para la ayuda a la toma de 
decisiones que posibilitan acceso interactivo, análisis y multiplicación de la información 
corporativa de misión crítica. Estas aplicaciones aportan un conocimiento valioso sobre la 
información operativa identificando problemas y oportunidades de negocio. Con ellas los 
usuarios son capaces de acceder a grandes cantidades de información para establecer y analizar 
relaciones y comprender tendencias que, a la postre, soportarán decisiones de negocio.” 
Al analizar las definiciones, se puede observar que existe coincidencia en algunos aspectos 
que se deben resaltar: 
1. La Inteligencia de Negocios engloba; herramientas, tecnologías y metodologías 
que apoyan la toma de decisiones. 
 
 
 - 17 - 
 
2. La Inteligencia de Negocios, permite visibilizar con mayor comprensión el 
conocimiento producto de procesar grandes cantidades de información. 
3. No se debe confundir la gestión de grandes cantidades de información con su 
almacenamiento [2]. 
Entonces; la Inteligencia de Negocios es el nexo para que las organizaciones utilicen sus 
datos mediante herramientas puestas al servicio de los usuarios para facilitar la de tomar 
decisiones informada, incluyendo el funcionamiento actual de la empresa o el anticipo de 
futuros eventos. 
El problema más común de la mayoría de las empresas es la carencia de integración, la 
cual es posible realizar mediante herramientas, técnicas y conceptos que se han crecido 
exponencialmente, como son: El Data Warehouse (DWH). El Data Mining, (DM) y el On-line 
Analytical Processing, (OLAP). 
Para cubrir los problemas de integración, las herramientas de Inteligencia de Negocios 
permiten esta integración, proporcionando mayor velocidad en la obtención de datos y ahorro 
de tiempo. 
Para que esto se consolide es necesario agrupar grandes cantidades de información de los 
sistemas transaccionales, sin importar la fuente, en una bodega de datos denominada; Data 
Warehouse, donde a través de una transformación se cargan para su posterior visualización. El 
proceso de extraer de las fuentes, transformar y cargar se conoce como ETL y tiene por objeto 
depurar y preparar los datos que se obtienen de las fuentes de datos antes de cargarlos en el 
almacén o bodega de datos (DWH). 
El objetivo principal de las soluciones de BI es proporcionar la mayor cantidad de 
información procesable en el debido momento, lugar y de forma adecuada con los insumos 
adecuados para dar soporte a las personas encargadas de las tomas de decisiones. 
1.2. FUNCIONAMIENTO DE BI EN LAS ORGANIZACIONES 
Cada área organizativa genera datos pertenecientes a su propia actividad dentro de la 
empresa; y sus interrelaciones entre estos. Las soluciones tecnológicas como: CRM (Customer 
Relationship Management), SCM (Supply Chain Management), ERP (Enterprise Resource 
Planning), EIS (Executive Information System), entre otras, son los principales sistemas de 
información que gestionan los procesos de esas áreas de la empresa. BI debe actuar de manera 
estructurada y organizada para que se obtengan resultados efectivos. En este contexto, se deben 
definir tres niveles organizacionales a los que apoya BI: estratégico, táctico y operativo: (ver 
figura 2). [2] 
 A nivel Estratégico, BI apoya en lograr ventaja competitiva. Requiere de una 
aplicación innovadora de tecnologías de información enfocadas por ejemplo en 
fidelizar clientes, ampliar el nicho de mercado, proveer productos o servicios 
con valor agregado. 
 
 
 - 18 - 
 
 A nivel táctico, BI apoya en la toma de decisiones mediante sistemas de 
información que ayuden a los gerentes y profesionales de los negocios a decidir 
sobre aspectos relacionados a sus áreas. Por ejemplo: lanzar o retirar portafolio 
de servicios o productos. 
 Finalmente, a nivel operativo las BI apoyan los procesos de negocio definiendo 
aspectos del día a día del personal de operaciones; Por ejemplo: registrar 
compras, mantener el inventario al día, evaluar nuevas tendencias, etc. 
 
 
Fig. 2. BI en las Organizaciones.. [6] 
1.3. DATA WAREHOUSE -DWH. 
Sinnexus [7] afirma que Data Warehouse es un término que hace referencia a un almacén 
de datos. Es una base de datos corporativa, su principal característica es integrar y depurar un 
gran volumen de datos en el cual está integrada la información obtenida de una o diversas 
fuentes (CRM, Google Analytics, Twitter, sistemas contables, administrativos y fiscales, datos 
de ficheros de texto, ficheros Excel, comentarios de blogs, etc.) que previamente pasaron por 
un procesoETL de esta manera se integra de forma homogénea para posteriormente procesarla 
permitiendo el análisis desde una infinidad de perspectivas que incluye grandes velocidades 
de respuesta. 
Mendez [8] redacta que la creación de Data Warehouse constituye la primera fase para 
implementar una solución segura y confiable de BI, debido a que ofrece una visión integrada 
de la información, particularmente orientada hacia la toma de decisiones por parte de la 
administración de la organización. 
ESTRATÉGICO
Alta Gerencia
TÁCTICO
Gerencia Media -
Analistas de Información
OPERATIVO
Personal Operativo
BALANCED SCORED 
CARE 
DASHBOARDS 
HERRAMIETAS DE 
CONSULTA OLAP 
REPORTES 
PREFORMATEAD
OS – 
INTEGRACIÓN 
CON HOJAS DE 
CÁLCULO 
 
 
 - 19 - 
 
El Data Warehouse presenta diversas ventajas, sin embargo, el principal beneficio radica 
en las estructuras donde se reúne la información, de esta manera permite la consulta y el 
tratamiento jerarquizado de la información [9]. 
Este término es debatido por dos grandes autores: 
Ralph Kimball [10] Indica que “el Data Warehouse es una copia de las transacciones de 
datos específicamente estructurada para la consulta y el análisis; es la unión de todos los Data 
Marts de una entidad” 
Bill Inmon [10] determina que “el Data Warehouse es una colección de datos orientados 
al tema, integrados, no volátiles e historiados, organizados para el apoyo de un proceso de 
ayuda a la decisión”. 
1.3.1. OBJETIVOS DEL DATA WAREHOUSE. 
La aplicación de un Data Warehouse tiene como propósito varios estándares, entre los más 
destacados: conciben que toda la información de la organización sea accesible, incluyendo que 
los contenidos abordados sean entendibles y navegables, además el acceso es caracterizado por 
el rápido desempeño, es decir un cero tiempo de espera. Por otro lado, proporciona que la 
información sea consistente, adaptable y elástica. Otro de los objetivos principales es que 
protege los valores de la información, por último, es la fundación de la toma de decisiones, 
debido a que contiene los datos adecuados para soportar las aplicaciones de toma de decisiones. 
1.3.2. ARQUITECTURA DE DWH 
Para que se concrete el apoyo de BI en el logro de ventajas competitivas, toma de 
decisiones o procesos de negocio, es necesario que la información de los almacenes de datos 
esté disponible y actualizada periódicamente con información de los Sistemas de Datos 
Operativos, por sus siglas en inglés ODS. No es necesario información en tiempo real, sin 
embargo, la información debe estar disponible en el momento oportuno. Antes de cargarse en 
el DWH los datos deben limpiarse y estandarizarse – proceso ETL para finalmente aplicar 
procesos de visualización de datos mediante herramientas BI. Este proceso define la 
arquitectura típica de las soluciones de BI que se indican en la figura 3. [11] 
 
 
 - 20 - 
 
 
Fig. 3. Arquitectura de DWH. [11] 
1.3.2.1. Data Sources o Fuentes de Datos 
Munch [3] indica que las fuentes de datos es el componente principal de BI ya que hace 
referencia a toda la información que se va a obtener, de la cual dependerá la calidad de los 
datos. El origen de estos datos puede ser interno o externo. T. Balagueró [4] señala que el 
origen interno de los datos incluye esencialmente fuentes como: Sistemas; CRM, ERP, SRC, 
Bases de Datos, etc; así como también software de inventario, hojas de cálculo, entre otros. En 
tanto el origen externo, engloba los datos de redes sociales, como también las fuentes de datos 
abiertos gubernamentales. Una vez identificado el origen de las fuentes de datos, procedemos 
a realizar el proceso ETL. 
1.3.2.2. Arquitectura del Sistema ETL 
El ETL, gestiona los procesos ETL anteriormente mencionados. Es un componente 
esencial en la estructura de BI, ya que con su combinación permite el traslado de datos de una 
fuente a otra [12]. Esto se da gracias a la ejecución de tres acciones que comprende este 
proceso: Extracción, Transformación y Carga (ETL). La Fig. 4 muestra la arquitectura de un 
sistema ETL [13]. 
 
 
 - 21 - 
 
 
Fig. 4. Arquitectura ETL. [13] 
1.3.2.2.1. Extracción. 
Tejada [14] explica que la extracción interna o externa de los datos puede llevarse a cabo 
de dos maneras; ya sea manual o por medio de herramientas de ETL. La extracción manual, 
requiere programar rutinas a través de lenguajes de programación con el fin de extraer los datos 
de las fuentes de datos origen. Sin embargo, la opción más productiva es la que proporcionan 
las herramientas especializadas de ETL, debido a que son prediseñadas para elaboración esta 
función, y se hace más factible monitorear el proceso. 
El desafío en el proceso de extracción de datos es determinar; qué datos extraer y qué clase 
de filtros aplicar. Campos que pertenecen a varios usuarios, valores que probablemente no 
existan, transacciones hechas de cuentas que no pueden ser creadas y otros errores. En este 
punto es necesario entender los requerimientos de los procesos de extracción que pueden 
determinar cuáles de los siguientes servicios se pueden necesitar [13]. 
 Perfil de los datos 
 Cambiar captura de datos 
 Sistema de Extracción. 
 
 
 - 22 - 
 
1.3.2.2.2. Limpieza y Conformación. 
La limpieza y conformación de datos son el núcleo de la calidad de los datos en el proceso 
ETL. En este punto se realizan una serie de transformaciones para convertir los datos en algo 
valioso y presentable para la organización. Los cinco servicios más importantes, para la 
limpieza y conformación de datos son: Sistema de limpieza de datos, rastreo de eventos de 
error, creación de dimensión de auditoria, eliminación de duplicidad y conformación [13]. 
Prudenciano [15] manifiesta que, al extraer los datos de los sistemas transaccionales, existe 
la probabilidad de que estos datos no fueran depurados en su totalidad, por lo cual 
posteriormente deben ser limpiados. 
ETL, cuenta con herramientas propias para llevar a cabo esta acción. El proceso de 
limpieza de los datos previene errores que pueden alterar los datos, debido a varios motivos, 
entre los más relevantes: valores por defecto, carencia de valor, campos con diversas utilidades, 
valores crípticos, uso inadecuado de los campos, identificadores que no son exclusivos, entre 
otros. 
Prudenciano [15] añade que el proceso de limpieza cuenta con cinco subprocesos: 
 Depuración: Se refiere al reconocimiento de manera individual de los componentes de 
la información a fin de aislarlos en los ficheros destino. 
 Corrección: Se basa en una corrección en cuanto a los valores individuales de los 
atributos empleando algoritmos de corrección además de fuentes externas. 
 Estandarización: En esta etapa de adaptan rutinas de conversión con el objetivo de 
transformar los valores en formatos definidos además de consistentes, esto se da a través 
de la aplicación de procedimientos de estandarización definidos previamente por las 
reglas del negocio. 
 Relación: Constituye la identificación y relación de valores de los registros, para 
posteriormente corregirlos y estandarizarlos en base a las reglas de negocio, con la 
finalidad de suprimir los duplicados. 
 Consolidación: Examina y reconoce las relaciones, entre los registros relacionados, 
para luego juntarlos en una sola representación para que pueda continuar al proceso de 
la transformación. 
Muñoz [16], establece que una vez que los datos culminan el proceso de limpieza, 
empiezan por la transformación, esta etapa realiza tareas como: filtración de datos, cambios de 
formato, conversión de códigos, y finalmente los valores derivados y/o agregados. En el caso 
de los valores agregados, como en la suma de las ventas, por lo general se pre calculan y se 
alojan para de esta manera obtener mayores rendimientos al momento de lanzar las consultas 
que necesiten el cálculo de totales al DWH. Además, en esta fase, seajusta el nivel de detalle; 
es decir, se puede obtener detalle a nivel de líneas de factura en los datos previamente extraídos, 
sin embargo, en el DWH lo que se almacena son las ventas ya sean semanales o mensuales. 
1.3.2.2.3. Integración y Entrega 
La data limpia y alineada debe prepararse para para su consumo y entrega en la capa de 
presentación. Los subsistemas en el Back End de un sistema ETL están conformados por: 
 
 
 - 23 - 
 
Administrador de cambio lento de dimensión (SCD : Slowly Changing Dimension Manager), 
Generador de claves subrogadas, Administrador de Jerarquía, Administrador de Dimensiones 
especiales, Constructor de tablas de hechos, Constructor de cubos OLAP, Administrador de 
propagación de datos, constructor de agregaciones, sistema proveedor de tablas de hechos, 
entre otros [13]. 
En esta etapa, se culmina el proceso, y se refiere a la integración en el DWH; es decir, es 
el instante en el cual cargamos los datos, posteriormente debe verificarse si coinciden con la 
información que se encontraba previamente en el sistema transaccional. Además, se debe 
corroborar que los valores que presentan los registros cargados se corresponden a los definidos 
en el DWH. Es esencial cerciorarse que el proceso se haya desarrollado de manera correcta, en 
su defecto existe la posibilidad de llevar a decisiones de tipo erróneas a los usuarios [4]. 
El proceso de carga de los datos en un DWH, se hace con herramientas especializadas para 
llevar a cabo acciones, entre ellas: [4] 
 Diseño Gráfico: Herramienta que brinda acceso a los desarrolladores para que se pueda 
establecer la relación entre las fuentes de datos, transformaciones, procesos y tareas, 
con el propósito de desarrollar la carga. Una vez realizado el diseño, se debe alojar en 
un repositorio Meta data. 
 Gestión de Meta data: Proporciona un repositorio en el cual se define, documenta y se 
gestiona la información desarrollada en el proceso ETL y su ejecución. Además, esta 
herramienta debería ser alcanzable desde distintas aplicaciones. 
 Extracción: Extrae la información a través de conectores como: ODBC65, SQL, los 
cuales deben acceder al Meta data para de esta manera establecer que información 
deberá será extraída y que forma. 
 Transformación: Proporcionan librerías de transformación, así pues, otorgan acceso a 
los desarrolladores para poder transformar los datos origen en los destinos, 
implementando los nuevos componentes creando tablas de agregación con el propósito 
de mejorar la calidad del rendimiento. 
 Carga: Permite el uso de adaptadores que servirán para agregar o modificar los datos 
en el DWH. 
 Administración y operación: Brinda acceso a los administradores a: programar, 
ejecutar y monitorear las tareas de ETL, resultados, además gestionar errores, recuperar 
fallos y finalmente agrupar los resultados con los sistemas originales. 
1.3.2.2.4. Servicios de Gestión ETL 
Estos servicios incluyen: Calendario de tareas, Sistema de respaldos, Recuperación y 
reinicio, control de versión, control de migración, monitor de flujo de trabajo, Ordenamiento, 
Ascendencia y Dependencia, Problemas de escalabilidad, paralelismo y canalización, la 
gestión de la conformidad, seguridad y el repositorio de metadatos [13]. 
1.3.2.2.5. Almacenes de Datos ETL 
Los almacenes de datos son lugares de asentamientos ser temporales o permanentes de los 
sistemas DWH o BI. El tipo almacén de datos tiene implicaciones en la arquitectura de los 
 
 
 - 24 - 
 
sistemas DWH o BI. Pueden ser: Almacenes de Datos del Sistema ETL, tablas de búsqueda y 
decodificación, almacenes de datos de calidad. 
1.3.2.2.6. Metadatos ETL 
Los objetos de la meta data del ETL se clasifican en tres categorías: de Procesos tales como 
las operaciones estáticas, resultados de auditoría o pantallas de resultados de calidad; Técnicos 
como sistemas de inventario que incluye el número de la versión, descripción de las fuentes, 
métodos de acceso, etc. y metadatos del negocio, tales como especificaciones de pantallas de 
calidad de datos, diccionario de datos, mapa lógico de datos, reglas lógicas del negocio [13]. 
1.3.2.2.7. Data Mart. 
Un data mart, es un tipo especial de almacén de datos de un área funcional específica del 
negocio. Corresponde en sí a un subconjunto o pequeños DWH centrados en un tema. Su 
objetivo es ayudar en la toma de decisiones a las áreas específicas de una organización, Ver 
Fig. 5. 
 
Fig. 5. Data Marts. [17] 
Pueden ser explotados por los usuarios de las áreas funcionales de forma diversa de acuerdo 
a sus necesidades. Las consultas se hacen a través de herramientas OLAP (On Line Analytical 
Processing – Procesamiento Analítico en Línea) el cual ofrece una visión multidimensional de 
la información. 
Para diferenciar un Data Mart de un DWH [18] propone el análisis comparativo breve que 
se indica en la Tabla I. 
CARACTERÍSTICA DWH Data Mart 
Tamaño Más de 100 Gb. Menos de 100 GB. 
Asunto Trata Varios temas Trata un solo tema en específico. 
Fuentes 
Fuentes Internas y Externas de datos 
empresariales. 
Herramientas específicas para el 
negocio. 
Alcance 
Trabaja con múltiples líneas de la 
empresa. 
Un solo lineamiento en la empresa o 
un departamento multifuncional. 
 
 
 - 25 - 
 
Decisión 
Respalda decisiones estratégicas que 
afectan a toda la empresa. 
Apoyo en las decisiones según los 
objetivos de un solo departamento. 
Integración Todas las integraciones comerciales. 
Las que sean necesarias para un solo 
departamento. 
Nota: Análisis de la diferencia entre DWH y Data Mart de acuerdo a sus descripciones. [18] 
Un Data Warehouse es un repositorio donde se almacena grandes volúmenes de 
información provenientes de diferentes fuentes, tanto internas como externas, esta información 
debe ser depurada, mientras que un Data Mart es una herramienta de alcance limitado, el cual 
está orientado a satisfacer las necesidades de un área en específico, o solo a un grupo de 
usuarios en específico. 
Debido a que la implementación de DHW corresponde a una tarea significativa que se 
desarrolla en períodos largos de tiempo, los data marts permiten hacer implementaciones más 
cortas de áreas específicas de la organización. Estas implementaciones pueden ir 
evolucionando de forma natural. [19] 
El propósito de los data marts según Ballard [19] se resume en: 
 Brindar acceso rápido a la información para necesidades analíticas específicas. 
 Controlar el acceso del usuario final a la información 
 Representa la visión del usuario final y la interfaz de datos en el DWH. 
 Crear una vista multidimensional de los datos para mejorar el análisis 
 Almacenar información cargada previamente para mejorar los tiempos de 
respuesta d en las consultas. 
1.4. ARQUITECTURA DE BI 
En el Front End de la Arquitectura están los sistemas BI. La arquitectura BI comprende lo 
que el usuario del negocio puede ver y con lo que puede trabajar el día a día. Podría 
comprenderse como la interfaz de usuario del DWH. En esta capa de la arquitectura los 
usuarios desconocen el tiempo, energía y recursos que están por debajo (Back End) y el acceso 
a los datos es complejo. Sin embargo, el Modelo Dimensional ayuda a reducir esa complejidad, 
pero los negocios abundan en reglas y excepciones que deben ser incluidas en las bodegas de 
datos de manera que los analistas de negocios puedan entender su impacto. [13] 
La coyuntura de los sistemas DWH/BI permiten que el acceso a la información sea posible 
de manera clara y con formatos entendibles; por lo tanto, es necesario construir aplicaciones 
de BI que ayuden a buscarla y encontrarla. [13] 
La arquitectura de BI (figura 6) muestra el Front End de la Arquitectura técnica de los 
sistemas DWH/BI. En ésta se agrupan todas las diferentes aplicaciones y los servicios BI para 
desplegar la información para los usuarios y gestionar el medioambiente.- 26 - 
 
 
Fig. 6 Front End. [20] 
1.4.1. TIPOS DE APLICACIONES DE BI 
Existe una amplia gama de aplicaciones que demandan datos desde el servidor de 
presentación que deben ser diseñadas de forma simétrica, flexible y escalable que soporten 
diferentes clases de solicitudes simultáneamente. Estas aplicaciones son: 
 Herramientas de consulta de escritorio, que permiten dar respuesta a las 
solicitudes de información de los usuarios del negocio: [13] 
 Reportes estándares que proporciona reportes periódicos desde un portal de BI 
o hojas de cálculo o PDFs de librerías en línea; 
 Aplicaciones analíticas que contienen poderosos algoritmos de análisis para 
consultas de BD relacionales. Incluyen presupuestos, previsión y seguimiento 
de la actividad empresarial. 
 
 
 - 27 - 
 
 
Fig. 7. Tipos de Aplicaciones BI. [13] 
 Dashboards y Scorecards son interfaces de usuario multiuso que gestionan 
indicadores clave de rendimiento (KPIs) a través de gráficos y texto. 
 Minería de Datos y modelos, proporcionan análisis exploratorio de grandes 
conjuntos de observación, generalmente descargados del DWH al software de 
minería de datos. La minería de datos usada también para crear modelos usados 
por aplicaciones analíticas y operativas. 
 BI Operacional, permite consultas en tiempo real de estado operativo, 
frecuentemente acompañadas de interface de transacciones de escritura. 
Estas aplicaciones llegan a los usuarios de negocio a través de aplicaciones como: [13] 
 Portales de BI e interfaces personalizadas, proporcionan fácil acceso a 
aplicaciones BI basadas en la web o consultas complejas específicas y resultados 
de pantalla 
 interfaces de dispositivos portátiles; diseñadas para pantallas portátiles y 
dispositivos de entrada. 
 BI instantáneo, con una arquitectura de datos en tiempo real y conexión directa 
desde el sistema de transacciones de la pantalla de origen del usuario. 
 
 
 
 - 28 - 
 
1.4.1.1. Gestión de Servicios de BI. [13] 
La demanda de clientes ligeros, los costos de los sistemas DWH/BI y el impulso que ha 
tenido la industria de las tecnologías de información para migrar a las arquitecturas orientadas 
a servicios SOA, han hecho que el acceso a los datos, pasen de los equipos de escritorio a las 
aplicaciones. Los sistemas DWH/BI. 
La gestión de los servicios de BI abarca desde los servicios compartidos que residen en el 
servidor de presentación hasta los servicios de escritorio que normalmente se presentan a nivel 
de usuario u que pertenecen a la definición de informes y visualización de resultados: Servicios 
compartidos, Servicios de seguridad, servicios de metadatos, monitoreo de uso, gestión de 
consultas, servicios de reportes empresariales, acceso web, servicios del portal. 
1.4.1.2. Almacenes de datos de BI. [13] 
Aunque a simple vista no debe haber un almacén de datos en el Front End del sistema 
DWH/BI, los datos que residen en el servidor de presentación, se recuperan cuando sea 
necesario un análisis o informe. En realidad, cuando la respuesta configurada para una solicitud 
de datos específica sale del servidor de presentación, generalmente termina en el navegador 
del usuario y puede guardarse como parte del archivo del informe. 
Alternativamente, el conjunto de resultados puede introducirse en un almacén analítico 
local como un motor OLAP, Acces o Excel puede terminar en una aplicación de BI. 
En este grupo se encuentran: Informes Almacenados, Cachés del Servidor de Aplicaciones 
(cachés locales de los servicios orientados a datos), Bases de Datos de Usuario Local, 
Almacenes de Datos Analíticos Temporales, Resultados de Aplicaciones Analíticas, Sistemas 
descendentes, seguridad del almacén de datos. 
1.5. MINERÍA DE DATOS (DATA MINING) 
Data mining hace referencia a una etapa que consiste en compilar los beneficios de varias 
áreas dentro de un proceso mayor denominado extracción de conocimiento en bases de datos 
en un entorno comercial. Dicho de otra manera, data mining es considerado una tecnología 
que se encuentra estructurada por fases que incluye varias áreas. En la actualidad existen 
diversas aplicaciones o herramientas comerciales de data mining de gran potencial las cuales 
contiene un sinnúmero de utilidades, que tienen la función de que el desarrollo de un proyecto 
sea de una manera factible. [21] 
Aplicaciones de uso. 
En general el proceso de data mining se estructura de cuatro etapas: [21] 
 Determinación de objetivos. 
 Pre procesamiento de datos. 
 Determinación del modelo. 
 Análisis de resultados. 
 
 
 
 - 29 - 
 
1.6. OLAP (PROCESAMIENTO ANALÍTICO EN LÍNEA) 
Procesamiento analítico en línea El procesamiento analítico en línea (OLAP) es una 
tecnología clave en el almacenamiento de datos. La funcionalidad OLAP se caracteriza por un 
análisis multidimensional dinámico de datos empresariales consolidados que respaldan las 
actividades analíticas y de navegación del usuario final. Proporciona una interfaz intuitiva y 
fácil de usar para los usuarios comerciales y puede procesar los datos de manera muy eficiente. 
[19] 
Algunas de las capacidades funcionales de OLAP se resumen en: [19] 
 Cálculos y modelado aplicados en todas las dimensiones, a través de jerarquías 
y/o entre miembros. 
 Análisis de tendencias en períodos de tiempo secuenciales 
 Seccionar subconjuntos para visualización en pantalla 
 Desglosar a niveles más profundos de consolidación 
 Alcance a datos detallados subyacentes 
 Rotación a nuevas comparaciones dimensionales en el área de visualización 
 
Algunas variantes de OLAP comunes son: [19] 
 MOLAP: se refiere a un OLAP multidimensional. Aquí, la base de datos se 
almacena en una estructura especial, típicamente propietaria, que está 
optimizada (a través del cálculo previo) para un tiempo de respuesta de consulta 
muy rápido y un análisis multidimensional. Tiene limitaciones en lo que respecta 
a la escalabilidad y es posible que no permita la actualización. 
 • ROLAP: Significa OLAP relacional. Aquí, el modelo de base de datos 
también es multidimensional MOLAP, pero se utiliza una base de datos 
relacional estándar y el modelo de datos puede ser un esquema de estrella o un 
esquema de copo de nieve. Proporcionando un tiempo de respuesta rápido a la 
consulta, pero eso se rige en gran medida por la complejidad del SQL utilizado, 
así como por el número y tamaño de las tablas que deben unirse para satisfacer 
la consulta. Su ventaja está en la escalabilidad significativa lograda ya que está 
alojada en una base de datos relacional estándar. 
 HOLAP: habilita una versión híbrida de OLAP. Es un híbrido de ROLAP y 
MOLAP. Se puede pensar en una base de datos HOLAP como una base de datos 
virtual en la que los niveles superiores de la base de datos se implementan como 
MOLAP y los niveles inferiores de la base de datos como ROLAP. 
 
1.6.1. MODELOS DE DATOS 
Los modelos de datos que típicamente se utilizan para diseñar bases de datos, data marts 
y data warehouses se basan en diferentes tecnologías que están destinadas a proporcionar el 
tipo de soporte de acceso a datos, organización y rendimiento, deseado en una situación 
 
 
 - 30 - 
 
particular. Los más comunes son: Esquema de Estrella (desnormalizado) y Esquema de Copo 
de Nieve y Esquema Normalizado - 3FN) [19]. 
La elección del modelo a usar depende de: el rendimiento, la facilidad para comprender y 
navegar por el modelo de datos. 
1.6.1.1. Esquema Estrella 
Es muy común en los Data Marts y DWH debido a que proporciona mejor rendimiento en 
las consultas que el modelo relacional. Es de fácil comprensión. Como ya se mencionó en el 
apartado (TABLA I) consta de una tabla de Hechos y una serie de tablas con datos descriptivos 
que se relacionan con la tabla central denominadas Tablas de Dimensiones. Ver figura 8. 
 
Fig. 8. Esquema en Estrella. 
Los elementos del esquema estrella son: Tabla de Hechos. Los hechos corresponden a las transacciones o eventos; que 
se refieren a los datos de contexto y las métricas. 
 Tabla de Dimensiones. Colección de miembros o unidades que describen los 
datos de hechos desde un punto de vista particular. Cada tabla de hechos está 
ligada a las dimensiones a través de una clave principal, la que puede ser 
subrogada, natural o combinada. 
 Métricas. Es un atributo numérico de un hecho, que representa el desempeño o 
comportamiento de la empresa en relación con las dimensiones. 
 
 
 
 - 31 - 
 
1.6.1.2. Esquema Copo de Nieve 
Corresponde a un modelo estrella expandido que se forma precisamente cuando hay la 
necesidad de definir dimensiones de las dimensiones a través de una clave primaria que las 
relacione. (ver figura 9) 
 
Fig. 9. Esquema Copo de Nieve. [17] 
El esquema copo de nieve se puede crear cuando es necesario definir niveles de 
granularidad de las entidades de las dimensiones y cuando es más probable que las dos 
entidades sean suministradas por un sistema fuente diferente (Ver Figura 10). [19] 
. 
 
Fig. 10. Esquema. [17] 
1.6.1.3. Normalizado – 3FN 
Usada en el procesamiento OLTP (OnLine Transaction Processing – Procesamiento de 
Transacciones en línea). Una tabla está en 3FN: 
 Si cada columna NO-CLAVE es independiente de las otras columnas NO-CLAVE 
y depende de una sola clave. 
 Otra forma de definirla es “La clave, la clave completa y nada más que la clave” 
 
 
 - 32 - 
 
Un esquema en 3FN puede verse como el de la Figura 11. 
 
Fig. 11. Esquema en FN. [17] 
1.6.2. ENFOQUES PARA DESARROLLO DE APLICACIONES BI 
Antes de plantar una metodología para aplicarla en el presente trabajo, es necesario conocer 
los conceptos y métodos establecidos por Ralph Kimball y Bill Inmon ya que son los enfoques 
más ampliamente discutidos, es decir, cuál de estas dos metodologías es la más eficaz para el 
uso de las empresas. Hasta la actualidad no existe una respuesta establecida ya que ambos 
métodos presentan sus beneficios y desventajas, para elegir el uso de una de las dos 
metodologías varía en función de las necesidades y requerimientos de la empresa 
1.6.2.1. Enfoques de diseño del almacén de datos 
Antes de establecer el ciclo de vida del proyecto de Inteligencia de Negocios, es necesario 
comprender las metodologías diseño del almacén de datos o DWH desde los enfoques 
propuestos por Ralph Kimball y Bill Inmon. La elección del enfoque depende de las 
necesidades y requerimientos de la organización. 
Kimball propone un enfoque ascendente de diseño de arquitectura de datos. En efecto, su 
propuesta consiste en definir primero los Data Marts basados en los requisitos del negocio que 
luego se irán cargando en un modelo dimensional desnormalizado. 
El modelo dimensional desnormalizado por naturaleza está compuesto por una tabla de 
hechos (tabla central) y varias tablas de dimensiones (modelo estrella o copo de nieve). Cada 
data mart puede integrarse por dimensiones de datos conformadas. Estas dimensiones 
conformadas son como tablas de dimensiones compartidas entre diferentes tablas de hechos 
dentro del almacén o como las mismas tablas de dimensiones en varios data marts [9], de modo 
que se garantice la integridad y consistencia de la información. 
 
 
 - 33 - 
 
Kimball también propone una herramienta de diseño de “matriz de bus empresarial de 
Kimball” que es frecuentemente usada por los equipos de gestión empresarial para priorizar 
qué dimensiones conformadas deben implementarse primero. 
Es un enfoque Táctico se deriva de la visión de Kimball, quien prescribe un enfoque 
dimensional de abajo hacia arriba para BI basado en data marts funcionales que finalmente se 
agregan al DWH corporativo. 
La Figura 12 indica la arquitectura básica de almacenamiento propuesta por Kimball 
 
Fig. 12. Arquitectura de almacenamiento de Kimball. [13] 
Para Bill Inmon el desarrollo del almacén de datos debe comenzar con el diseño del modelo 
de datos del almacén corporativo, que incluya las principales funciones y entidades de la 
organización y a partir de este se crea un modelo lógico para el producto con todos los atributos 
asociados a esa entidad. [9] 
Este enfoque usa la forma normalizada en la construcción de la estructura de cada entidad, 
de esta forma se evita, en lo posible, la redundancia de los datos. Este enfoque integra los data 
marts de cada área funcional creados por separado garantizado integridad y coherencia, debido 
a que la única fuente de datos es el almacén corporativo. [9] La Figura 13 ilustra la arquitectura 
básica de almacenamiento de datos propuesta por Inmon. 
 
 
 - 34 - 
 
 
Fig. 13. Arquitectura de almacenamiento de Inmon. [22] 
Este enfoque Inmon es consistente con un enfoque estratégico que según Davenport y 
Harris (2007 y el Gartner’s Businesss Intellifens and Performance Management Framework 
en el que se define “un simple repositorio organizacional de datos de toda la empresa en varias 
líneas del negocio y sujeto a áreas que contienen masivamente datos 
Es estratégico de arriba hacia-abajo prescrito por Dave & Harris y el marco de referencia 
de Gartner como: Un único repositorio organizacional holístico, de muchas líneas de negocios 
y áreas temáticas que contiene datos masivos e integrados; representa la visión organizacional 
completa de la información necesaria para administrar y comprender el negocio. 
1.6.2.2. Evaluación de la metodología de diseño del almacén de datos 
A la hora de elegir la metodología para desplegar soluciones BI, es necesario preguntarse 
¿Qué metodología permitirá un enfoque más ágil de la inteligencia de negocios en 
organizaciones con limitaciones de recursos y experiencia? . [23] 
Las organizaciones que buscan implementar ágiles niveles de BI, pero necesitan medios 
efectivos para evaluar el estado actual y la madurez de sus prácticas de gestión de la 
información empresarial para identificar y abordar las brechas críticas que podrían inhibir los 
retornos deseados en inversiones exitosas. [23] 
Las organizaciones con limitaciones de recursos y experiencia necesitan una metodología 
que resuelva la dicotomía entre contar con un BI estratégico de escala empresaria y un perfil 
más ágil y de menor costo de las BI centradas en áreas funcionales específicas. [23] 
Un reporte de Gartner publicado en 2019 enfatiza la necesidad de marcos de referencia 
estructurados que ayude a los líderes de negocios y de TI a “diseñar un plan más completo para 
BI, análisis y gestión del rendimiento (PM) que alinee las personas, los procesos y las 
aplicaciones y, en última instancia, produzca mejores rendimientos “ [24]; es decir que cada 
organización debe hacer configuraciones apropiadas (hoja de ruta) en función de sus propios 
objetivos estratégicos y circunstancias comerciales. [23] 
 
 
 - 35 - 
 
La selección entre la necesidad de un enfoque estratégico (Inmon) o Táctico se basa en el 
análisis de las características que diferencian a uno y de acuerdo a la necesidad de la 
organización. La Tabla II. sintetiza las características favorables: 
TABLA I 
 KIMBALL VS. INMON 
 CARACTERÍSTICA FAVORECE KIMBALL FAVORECE INMON 
Naturaleza de los requisitos de 
apoyo a la toma de decisiones de 
la organización 
Táctico Estratégico 
Requerimientos de Integración 
de Datos 
Áreas individuales del negocio 
Integración a lo largo de toda la 
organización 
Estructura de Datos 
Métricas de Negocio, medidas de 
rendimiento y Scorecards (Registros 
de puntuación) 
datos no métricos y datos que se 
aplicarán para satisfacer múltiples y 
variadas necesidades de 
información. 
Escalabilidad 
Necesidad de adaptarse a 
necesidades altamente volátiles 
dentro de un alcance limitado. 
El alcance creciente y los requisitos 
cambiantes son fundamentales. 
Persistencia de los datos 
Sistemas fuente son relativamente 
estables 
Alto grado decambio de las fuentes 
de datos 
Requerimientos de personal y 
habilidades 
equipos pequeños de generalistas Equipos grandes de especialistas 
Tiempo de entrega 
Necesidad de la primera aplicación 
de Data Warehouse es urgente 
Los requisitos organizacionales 
permiten un tiempo de puesta en 
marcha más largo 
Costos de despliegue 
Menores costos de puesta en marcha, 
con cada proyecto subsiguiente 
costando aproximadamente lo 
mismo 
Mayores costos de puesta en marcha, 
con menores costos de desarrollo de 
proyectos posteriores. 
Nota: Directrices del apoyo de Kimball y FAVORECE INMON con sus características. [23] 
De acuerdo con el análisis comparativo de [25] en la tabla I; la propuesta de Kimball es 
ágil y permite reducir costos en la puesta en marcha y despliegue más rápido de la solución de 
BI táctica que está enfocada en un área funcional específica del negocio. Sin embargo, para los 
críticos, éste enfoque tiende a carecer de integridad debido a la falta de enfoque estratégico. 
Por su parte, la propuesta de Inmon está orientada precisamente para lograr integridad 
empresarial, aunque los costos de puesta en marcha son mayores, los tiempos de despliegue 
más largos y suele ser rígido y difícil de implementar, especialmente para empresas con 
habilidades, recursos y tiempo limitados. 
1.6.3. BENEFICIOS DE BI. 
Los beneficios que nos proporciona unas soluciones de Inteligencia de negocios son 
diversos, por lo cual se hace factible para una mejor comprensión clasificarlos: [26] 
 
 
 - 36 - 
 
1.6.3.1. Manejo del crecimiento de la empresa. 
Toda empresa tiene como principal objetivo evolucionar, es decir crecer a través de los 
cambios que se vayan implicando. Lo cual la Inteligencia de negocios es una solución 
fundamental para monitorear que tan eficaces son los procesos para enfrentar dichos cambios 
y las necesidades puntuales de la empresa. 
1.6.3.2. Control de costos. 
El control de los costos en un negocio es usualmente el que obliga a la empresa a considerar 
el uso de una solución de inteligencia de negocios, para que de esta manera se pueda medir los 
gastos y posteriormente ver esto a un nivel de detalle que identifique la línea de negocio, 
producto, centro de costo, etc. 
1.6.3.3. Clientes. 
Todas las empresas reúnen una infinita cantidad de información de suma importancia 
relacionada a los clientes. El objetivo de las empresas es transformar esta información en 
conocimiento y posteriormente este conocimiento es dirigido a una gestión comercial que 
simbolice un tipo de ganancia para la empresa. Las ventas, cruzadas e incrementales junto a la 
retención de clientes, anticipos de oportunidades, identificación de patrones de compra y el 
comportamiento de los clientes hacen de BI un elemento esencial para lograr los objetivos de 
la empresa. 
1.6.3.4. Indicadores de gestión 
Estos indicadores representan las medidas dirigidas al desempeño organizacional con la 
capacidad de representar la estrategia organizacional en: objetivos, métricas, iniciativas y 
tareas enfocadas a un grupo o individuos en la organización. 
En las capacidades funcionales de indicadores incluyen: 
Monitoreo. Es decir, monitorea procesos cruciales de negocio además de las actividades 
esto se lleva a cabo con el uso de métricas que dan una alerta acerca de un problema potencial. 
Análisis. Hacer un análisis del origen de los problemas, inspeccionando la información 
desde diversas perspectivas en múltiples niveles de detalles. 
Administración. En este punto se administra los recursos y procesos para dirigir la toma 
de decisiones, además de optimizar el desempeño. Posteriormente podremos obtener una 
visión global de la empresa con una capacidad de dirigir la organización en la dirección 
adecuada. 
1.6.4. METODOLOGÍA DE IMPLEMENTACIÓN DE BI 
En función de la Evaluación de la metodología de diseño del almacén de datos realizada 
en el apartado 1.6.2.2. y en base a la necesidad de la EMAPAL que ha llevado a la realización 
del presente trabajo, la cual es analizada en el capítulo II; es apropiado basar la metodología 
de trabajo en la propuesta de Kimball. 
 
 
 - 37 - 
 
En este sentido, una metodología ágil, como SCRUM, para el desarrollo de soluciones de 
software, bien puede ser adaptada en proyectos de DWH y consecuentemente para soluciones 
de BI. Esto se debe a que las metodologías ágiles tienden a ser usadas por organizaciones 
pequeñas y departamentos, permiten entregas rápidas a necesidades urgentes en aplicaciones 
analíticas y de reporting. 
“En la práctica, los métodos ágiles aplicados correctamente a grandes proyectos de 
integración de datos y visualización de información han reducido las horas de desarrollo 
necesarias y los defectos de codificación a cero” [27]. 
Los métodos ágiles para proyectos de BI contribuyen en gran medida a resolver las 
necesidades de información de los usuarios. Sin embargo, puesto que las soluciones BI están 
ligadas a los proyectos de DWH, que requieren frecuentemente una integración significativa 
de datos, estos métodos pueden no estar preparados para cumplir con este desafío. [27] 
Para evitar que el fracaso en las primeras iteraciones será necesario hacer una adaptación 
del método para respaldar de mejor manera el trabajo de integración. [27] 
No es parte de este trabajo explicar sobre SRUM; sin embargo, la Figura 14 ilustra cómo 
trabaja este método y los roles que deben cumplir. 
 
Fig. 14. Metodología Scrum. [28] 
El presente trabajo toma a SCRUM como el marco de trabajo para el desarrollo del primer 
sprint de la solución de BI que se plantea. La estructura del trabajo ha sido adecuada en base 
al trabajo de titulación denominado: Metodología de desarrollo de proyecto de Inteligencia de 
Negocios desarrollado por Elka Buitrago de la Universidad Andrés Bello. [29] 
La metodología que plantea Buitrago [29], es una adaptación de las fases de ejecución de 
un proyecto como: Levantamiento de información, Diseño, Desarrollo, Pruebas, Puesta en 
 
 
 - 38 - 
 
Marcha, Entrenamiento y Cierre. Su enfoque adaptado considera la construcción de la solución 
de BI en varias etapas o iteraciones, precisamente tal como lo plantea el SCRUM (ver Figura 
14). Este enfoque asegura la que los requerimientos a corto plazo se visibilicen en versiones 
del producto (solución de BI) y que al mismo tiempo se vayan incorporando nuevas 
funcionalidades que podrían ir complementado las necesidades de áreas del negocio 
relacionadas [29]. 
La idea de Elka Buitrago [29] es tener una visión global de las necesidades del negocio, 
las cuales se vayan organizando en etapas que precisen las actividades requeridas. Estas fases 
son: Definición, Levantamiento de información, Diseño, Desarrollo, Pruebas, Puesta en 
Producción, Entrenamiento y Cierre, y se describen en los siguientes apartados: 
1.6.4.1. Definición. 
En esta etapa se debe concretar el inicio del proyecto. Se desarrolla en base a una reunión, 
en la cual se incluye a todos los involucrados y tiene por objeto dar a conocer sobre el inicio 
de proyecto (ver Anexo D). Es importante que en esta etapa se defina el alcance, las 
funcionalidades, áreas, procesos y por último objetos del negocio que se van a desarrollar. 
Además, es necesario conformar el equipo de trabajo, identificando los principales 
involucrados, tanto el personal de negocio, como el personal técnico. Por último, en esta etapa 
se debe definir el plan de trabajo, lo cual hace referencia a la elaboración de una guía la cual 
se ampliará al momento del levantamiento de información [29]. 
Es importante documentar esta etapa con la Aceptación formal del proyecto, documentar 
el alcance, las especificaciones del equipo técnico y el plan de trabajo [29]. 
1.6.4.2. Levantamiento de información. 
En esta etapa se debe realizar diversas actividades con el fin de conocer el modelo de 
negocio y los requerimientos deinformación en las áreas específicas. Se debe llevar a cabo la 
identificación de áreas y procesos del negocio, para conocer cómo funciona el negocio. Se 
involucra el levantamiento de la infraestructura tecnológica, el cual consiste en identificar las 
facilidades tecnológicas que se tiene para la implementación de la plataforma de BI. También 
se debe determinar las aplicaciones operacionales, las cuales suministran información a las 
bases de datos de la organización. Asimismo, se deberá desarrollar la identificación de los 
requerimientos de la información, en la organización cada área requiere de información por lo 
cual en esta etapa se identificarán cuáles son esos requerimientos [29]. 
La identificación de requerimientos de la aplicación, requiere la definición de cómo los 
usuarios desean acceder a dicha información y qué funcionalidad debe tener la aplicación. 
También se definirán los requerimientos no funcionales como: el tiempo, seguridad, 
rendimientos, capacidad, escalabilidad y actualizaciones. Por último, se debe realizar un 
análisis de las fuentes de datos y los requerimientos para así tener en cuenta la disponibilidad 
de la información [29]. 
Los entregables en esta etapa se resumen en: documentación de las áreas del negocio y sus 
responsables, documentación de las facilidades de la infraestructura tecnológica y 
 
 
 - 39 - 
 
recomendaciones de cambio si es necesario, documentación de riesgos y limitaciones, 
documentación de las aplicaciones, bases de datos y otras fuentes de datos [29]. 
La identificación de requerimientos funcionales y no funcionales se documentarán 
incluyendo información de los usuarios, la especificación de los requerimientos de reportes o 
consultas, especificación de los almacenes de datos históricos, casos de uso, documentación 
de fuentes de datos, el documento de los requerimientos no funcionales y la identificación de 
la disponibilidad de la información, entre otros [28]. 
1.6.4.3. Diseño. 
En esta etapa se agrupan las sub-tareas de diseño de los componentes que estructuran BI, 
en función del resultado del levantamiento de información. Los entregables que se requieren 
en esta fase son [28]: 
 Diseño del modelo del negocio, que incluya las áreas del negocio, los objetos de 
información que se manejan y su interrelación. 
 Diseño del Data warehouse el cual se hace a partir de las necesidades de 
información que requieren los usuarios y en base a la disponibilidad de los datos. 
 Diseño del ETL esto con el fin de poblar el Data warehouse con los datos que se 
encuentran en las distintas fuentes de datos de la organización. 
 Diseño de reportes y otras interfaces de análisis. Se puede incluir el diseño de los 
reportes tabulares y gráficos, como también las interfaces para el análisis de datos y 
esquemas gráficos del negocio. 
 Diseño de indicadores, se debe diseñar cuales son los indicadores de gestión que se 
quieren evidenciar para la toma de decisiones. Deben orientarse a medir el 
cumplimiento de las metas de negocio de acuerdo a os objetivos estratégicos. 
 Diseño del modelo de análisis o diseño de OLAP, el cual incluye el diseño de los 
esquemas que se usan en la visualización de la información mediante reportes 
dinámicos y análisis. 
 Diseño de la aplicación, en la que se integran los reportes para el análisis y 
visualización de los indicadores previamente definidos. Debe incluir la arquitectura 
de la información, así como también la navegación y el diseño de los componentes 
que se requieren para su implementación de las funcionalidades necesarias. 
 Por último, el Capacity Planning, en donde se determina los recursos que posee el 
hardware y software teniendo en cuenta los requerimientos de almacenamiento de 
datos, el número de usuarios, demanda de recursos de la aplicación. 
1.6.4.4. Desarrollo. 
Corresponde propiamente a la elaboración de la solución, incluyendo los diferentes 
componentes de la misma, basada en el diseño previamente establecido. Esta tapa se abarca 
[28]: 
Instalación de la infraestructura de desarrollo, la cual hace referencia a la instalación y 
configuración de software, herramientas y los equipos a ser utilizados en el desarrollo. La 
 
 
 - 40 - 
 
construcción del Data warehouse, que consiste en crear la base de datos asociada al Data 
warehouse. La construcción de procedimientos ETL; es decir, se desarrollan los procesos que 
van a permitir la extracción de datos desde las bases de datos fuente, su transformación y 
posterior carga al Data warehouse. La construcción de la aplicación, contempla el desarrollo 
de los elementos de software previamente diseñados para la implementación de las 
funcionalidades. La construcción de esquemas OLAP, consiste en elaborar los esquemas 
OLAP, que van a ser utilizados en el análisis de los datos mediante las interfaces graficas 
establecidas. La construcción de reportes y otras interfaces de visualización, se elaboran en 
función del diseño previamente realizado. 
Se deberá además desarrollar documentación técnica, se debe abarcar las especificaciones 
para la posterior instalación y configuración del ambiente en el cual se implementará la 
solución de BI. 
1.6.4.5. Pruebas 
En esta etapa se ejecuta tareas las cuales posteriormente permiten verificar el correcto 
funcionamiento de todos los componentes de la solución de BI. Este proceso incluye [28]: 
 La definición del plan de pruebas, en el cual se debe realizar dos tipos de pruebas: 
integradas y formales dirigidas a cada uno de los elementos de BI. 
 La instalación del ambiente de pruebas, aquí se valida la instalación y configuración 
requerida de los equipos, así como también del software previa a su puesta en 
producción, con lo cual se asegura la solución de conflictos. 
 La verificación del Data warehouse, para corroborar que el Data warehouse 
elaborado cumpla con todos los requerimientos que fueron establecidos 
anteriormente. 
 Pruebas de procedimientos ETL, aquí se debe verificar la ejecución de los 
programas de extracción de las fuentes de datos y su posterior carga al Data 
warehouse. 
 Pruebas de reportes e interfaces de visualización, para verificar que todos los 
reportes e interfaces cumplan con los requerimientos establecidos por los usuarios. 
1.6.4.6. Puesta en producción. 
Cuando las pruebas fueron exitosas en su totalidad se procede a la puesta en producción de 
la plataforma, para lo cual se requiere la previa preparación e instalación del software 
requerido, así como también los productos propiamente desarrollados para la plataforma [28]. 
En este proceso se abarca dos subprocesos: Preparación del ambiente de producción, se 
incluye la instalación y configuración de los equipos en el ambiente de producción para de esta 
manera empezar la puesta en marcha de la solución de BI. También en esta etapa se abarca la 
verificación del ambiente de producción, luego de que fue realizada a instalación se debe 
realizar una verificación, para de esta manera asegurarnos que el ambiente como la solución 
de BI, se encuentre en su correcto funcionamiento [28]. 
 
 
 - 41 - 
 
1.6.5. HERRAMIENTAS PARA EL DESARROLLO DEL PROYECTO 
Para el desarrollo de este proyecto se hace un análisis de todas las herramientas que serán 
utilizadas, respaldadas por diferentes consultoras y de investigación de tecnologías de la 
información en el cual perfilan el ranking de las mejores herramientas, en este apartado se 
detalla cada una de estas herramientas. 
1.6.5.1. Power Desginer. 
Tiene la capacidad para modelar Datos y la gestión de metadatos nivel físico y conceptual, 
esta herramienta puede alinearse a los requisitos, el lenguaje y los modelos de datos de las 
empresas, SAP es una de las empresas líderes en el cuadrante mágico de Gartner para la 
solución de metadatos en el 2019, ya que permite visualizar y manejar de manera ordenada los 
datos [30]. 
 
 
Fig.